Duyusal için Veri Toplama ve Otomatik Yüz İfade Analizi Teknoloji Analizi Uygulamalı ve Geçici Analiz Protokolü
概要
Otomatik yüz ifadesi analizi yazılımı kullanılarak bir duyusal değerlendirme laboratuvarda içecekler ve sıvılaştırılmış gıdalar bir nüfusun duygusal tepki yakalama ve istatistiksel analiz etmek için bir protokol tarif edilmektedir.
Abstract
We demonstrate a method for capturing emotional response to beverages and liquefied foods in a sensory evaluation laboratory using automated facial expression analysis (AFEA) software. Additionally, we demonstrate a method for extracting relevant emotional data output and plotting the emotional response of a population over a specified time frame. By time pairing each participant’s treatment response to a control stimulus (baseline), the overall emotional response over time and across multiple participants can be quantified. AFEA is a prospective analytical tool for assessing unbiased response to food and beverages. At present, most research has mainly focused on beverages. Methodologies and analyses have not yet been standardized for the application of AFEA to beverages and foods; however, a consistent standard methodology is needed. Optimizing video capture procedures and resulting video quality aids in a successful collection of emotional response to foods. Furthermore, the methodology of data analysis is novel for extracting the pertinent data relevant to the emotional response. The combinations of video capture optimization and data analysis will aid in standardizing the protocol for automated facial expression analysis and interpretation of emotional response data.
Introduction
Otomatik yüz ifadesi analizi (AFEA) içecek ve yiyeceklere duygusal tepkiler karakterize etmek için bir potansiyel analitik bir araçtır. Mevcut duyusal bilim metodolojileri, gıda değerlendirme uygulamaları ve hedonik skala değerlendirmesi için fazladan bir boyut ekleyebilirsiniz Duygusal analiz genellikle araştırma ve endüstri ortamlarında ikisi de kullanılır. Duygusal analiz yiyecek ve içeceklere daha doğru bir tepki ortaya ek bir metrik sağlayabilir. Reaksiyonları 1 kayıt hatası nedeniyle Hedonik puanlama katılımcı önyargı içerebilir.
AFEA araştırma bilgisayar oyunları, kullanıcı davranışı, eğitim / pedagoji ve empati ve aldatma üzerine psikoloji çalışmaları da dahil olmak üzere birçok araştırma uygulamalarında kullanılmaktadır. Çoğu gıda ile ilişkili araştırma gıda kalitesi ve gıda ile insan davranışları duygusal tepki karakterize odaklanmıştır. Gıda davranışları içgörüler kazanıyor son trend ile, edebiyat raporları büyüyen bir vücut Afea kullanımıyiyecek, içecek ve koku 1-12 ile bağlantılı insan duygusal tepki karakterize etmek için.
AFEA Yüz Hareket Kodlama Sistemi (FACS) elde edilir. Yüz eylem kodlama sistemi (FACS) 5 puanlık bir yoğunluk ölçeğinde 13 eylem birimlerinin (AUS) ile karakterize yüz hareketleri ayrımcılık. FACS yaklaşım, eğitimli yorum uzmanları, manuel kodlama, önemli değerlendirme zamanı gerektirir ve sınırlı veri analizi seçenekleri sağlar. AFEA duyguları belirlemek için hızlı bir değerlendirme yöntemi olarak geliştirilmiştir. AFEA yazılım duygusal tepki 14-18 karakterize etmek yüz kas hareketi, yüz veritabanları ve algoritmalar kullanır. Bu çalışmada kullanılan AFEA yazılım Duygusal Yüz İfade Resimleri Varşova Set (WSEFEP) ve 0.70 standart bir anlaşmaya yakın (ADFES) Set Amsterdam Dinamik Yüz İfade, hem de ortalama 0.67 anlaşmanın bir "FACS endeksi ulaştı manuel kodlama "19 için </sup>. analize dahil evrensel duygular 0 ile 1 arasında ayrı bir ölçekte (her mutlu (pozitif), (negatif) üzgün, tiksinti (negatif), sürpriz (pozitif veya negatif), kızgın (negatif), korkmuş (negatif) ve nötr 0 ifade edilmese = 1; = tamamen) 20 dile getirdi. Buna ek olarak, psikoloji literatürü korkmuş ve (uzak caydırıcı uyaranlara) 21 "çekilme" duyguların olarak tiksinti, mutlu şaşırttı ve öfkeli "yaklaşımı" duyguların olarak (uyaranlara doğru) ve üzgün içerir.
gıdalar ile ilişkili duyguları tanımlamak için geçerli AFEA yazılımı biri sınırlama çiğneme ve yutma yanı sıra aşırı baş hareketleri gibi diğer kaba motor hareketleri ile ilişkili yüz hareketlerinden müdahaledir. Yazılım yüzünde 16,17 üzerinde 500'den fazla kas noktaları dayalı küçük yüz kas hareketleri, ilgili pozisyon ve hareket derecesi, hedefler. Çiğneme hareketleri ifadeleri sınıflandırılması müdahale. Bu sınırtirme sıvılaştırılmış gıdalar kullanarak ele alınabilir. Ancak, diğer yöntem zorluklar da veri toplama çevre, teknoloji, araştırmacı talimatları, katılımcı davranış ve katılımcı öznitelikleri gibi video duyarlılık ve AFEA analizi azaltabilir.
Standart bir metodoloji geliştirdi ve optimum video yakalama ve duyusal değerlendirme laboratuar ortamında yiyecek ve içeceklerin duygusal tepki için Afea kullanarak veri analizi için doğrulanmadı. Pek çok açıdan aydınlatma, katılımcı yön, katılımcı davranış, katılımcı yüksekliği, yanı sıra, kamera yüksekliği, kamera olta balıkçılığı ve ekipman ayarları nedeniyle gölgeleme, ışıklandırma dahil video yakalama ortamı etkileyebilir. Ayrıca, veri analizi metodolojileri tutarsız ve duygusal tepki değerlendirmek için standart bir metodoloji eksikliği. Burada, (içecekler kullanılarak anlamlı sonuçlara duygusal verileri ve işlem verileri yakalamak için bizim standart işletim prosedürü gösterecektiraromalı süt, değerlendirme için tatlandırılmamış süt ve tatlandırılmamış su). Bildiğimiz kadarıyla tek hakemli yayın için laboratuar grubundan, duygular analizi 8 veri yorumlama için zaman serileri kullanmıştır; Ancak, yöntem, bizim sunulan yöntem için güncellendi. Amacımız duyusal değerlendirme laboratuar ortamında tekrarlanabilirliği ile yardımcı olmak için geliştirilmiş ve tutarlı bir metodoloji geliştirmektir. gösteri için, çalışma modelinin amacı AFEA aromalı süt, tatlandırılmamış süt ve tatlandırılmamış su geleneksel hedonik kabul edilebilirlik değerlendirmesi ek eğer değerlendirmektir. Bu video protokolü niyeti, AFEA metodolojisi kurulmasına yardımcı bir duyusal değerlendirme laboratuvarda video yakalama kriterlerini (duyusal stand ayarı) standardize ve nüfusun zamansal duygusal veri analizi için bir yöntem göstermektir.
Protocol
Representative Results
Discussion
Yiyecek ve içecek ile ilgili literatürde AFEA uygulama 1-11 derece sınırlıdır. Gıda uygulama yöntemi ve veri yorumlama kurmak için bir fırsat yaratmak, yeni. Arnade (2013) 7 çikolatalı süt ve eğri analizi ve varyans analizi altındaki alanı kullanarak beyaz süt bireysel duygusal tepki arasında yüksek bireysel değişkenlik bulundu. Üzgün ve tiksinti kısa zaman yanıtı 7 varken Ancak, hatta katılımcı değişkenliği ile katılımcılar uzun mutlu bir tepki o…
開示
The authors have nothing to disclose.
Acknowledgements
This project was funded, in part, by ConAgra Foods (Omaha, NE, USA), the Virginia Agricultural Experiment Station, the Hatch Program of the National Institute of Food and Agriculture, U.S. Department of Agriculture, and the Virginia Tech Water INTERface Interdisciplinary Graduate Education Program.
Materials
| 2% Reduced Fat Milk | Kroger Brand, Cincinnati, OH or DZA Brands, LLC, Salisbury, NC | na | for solutions |
| Drinking Water | Kroger Brand, Cincinnati, OH | na | for solutions |
| Imitation Clear Vanilla Flavor | Kroger Brand, Cincinnati, OH | na | for solutions |
| Iodized Salt | Kroger Brand, Cincinnati, OH | na | for solutions |
| FaceReader 6 | Noldus Information Technology, Wageningen, The Netherlands | na | For Facial Analysis |
| Sensory Information Management System (SIMS) 2000 | Sensory Computer Systems, Berkeley Heights, NJ | Version 6 | For Sensory Data Capture |
| Rhapsody | Acuity Brands Lighting, Inc., Conyers, GA | For Environment Illumination | |
| R Version | R Core Team 2015 | 3.1.1 | For Statistical Analysis |
| Microsoft Office | Microsoft | na | For Statistical Analysis |
| JMP | Statistical Analysis Software (SAS) Version 9.2, SAS Institute, Cary, NC | na | For Statistical Analysis |
| Media Recorder 2.5 | Noldus Information Technology, Wageningen, The Netherlands | na | For capturing participants sensory evaluation |
| Axis M1054 Camera | Axis Communications, Lund, Sweden | na | |
| Beverage | na | Beverage or soft food for evaluation |
参考文献
- De Wijk, R. A., Kooijman, V., Verhoeven, R. H. G., Holthuysen, N. T. E., De Graaf, C. Autonomic nervous system responses on and facial expressions to the sight, smell, and taste of liked and disliked foods. Food Qual Prefer. 26 (2), 196-203 (2012).
- De Wijk, R. A., He, W., Mensink, M. G. J., Verhoeven, R. H. G., De Graaf, C. ANS responses and facial expression differentiate between the taste of commercial breakfast drinks. PLoS ONE. 9 (4), 1-9 (2014).
- He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Behavioural and physiological responses to two food odours. Appetite. 59 (2), 628 (2012).
- He, W., Boesveldt, S., De Graaf, C., De Wijk, R. A. Dynamics of autonomic nervous system responses and facial expressions to odors. Front Psychol. 5 (110), 1-8 (2014).
- Danner, L., Sidorkina, L., Joechl, M., Duerrschmid, K. Make a face! Implicit and explicit measurement of facial expressions elicited by orange juices using face reading technology. Food Qual Prefer. 32 (2014), 167-172 (2013).
- Danner, L., Haindl, S., Joechl, M., Duerrschmid, K. Facial expression and autonomous nervous system responses elicited by tasting different juices. Food Res Int. 64 (2014), 81-90 (2014).
- Arnade, E. A. . Measuring consumer emotional response to tastes and foods through facial expression analysis [thesis]. , 1-187 (2013).
- Leitch, K. A., Duncan, S. E., O’Keefe, S., Rudd, R., Gallagher, D. L. Characterizing consumer emotional response to sweeteners using an emotion terminology questionnaire and facial expression analysis. Food Res Int. 76, 283-292 (2015).
- Crist, C. A., et al. Application of emotional facial analysis technology to consumer acceptability using a basic tastes model. , (2014).
- Garcia-Burgos, D., Zamora, M. C. Facial affective reactions to bitter-tasting foods and body mass index in adults. Appetite. 71 (2013), 178-186 (2013).
- Garcia-Burgos, D., Zamora, M. C. Exploring the hedonic and incentive properties in preferences for bitter foods via self-reports, facial expressions and instrumental behaviours. Food Qual Prefer. 39 (2015), 73-81 (2015).
- Lewinski, P., Fransen, M. L., Tan, E. S. H. Predicting advertising effectiveness by facial expressions in response to amusing persuasive stimuli. J. Neurosci. Psychol. Econ. 7 (1), 1-14 (2014).
- Ekman, P., Friesen, W. V. Facial action coding system: A technique for the measurement of facial movement. , (1978).
- Viola, P., Jones, M. Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern. 1, 511-518 (2001).
- Sung, K. K., Poggio, T. Example-based learning for view-based human face detection. IEEE Trans. Pattern Anal. Mach. Intell. 20 (1), 39-51 (1998).
- . . FaceReader 5™ Technical Specifications. , (2014).
- Cootes, T., Taylor, C. . Statistical models of appearance for computer vision: Technical report. , (2000).
- Bishop, C. M. . Neural networks for pattern recognition. , (1995).
- Lewinski, P., den Uyl, T. M., Butler, C. Automated facial coding: validation of basic emotions and FACS AUs in FaceReader. J. Neurosci. Psychol. Econ. 7 (4), 227-236 (2014).
- Noldus Information Technology. . FaceReader Reference Manual Version 6. , (2014).
- Alves, N. T., Fukusima, S. S., Aznar-Casanova, J. A. Models of brain asymmetry in emotional processing. Psychol Neurosci. 1 (1), 63-66 (2008).
- Costello, M., Clark, S., Clark, S., Costello, M., Drake, M., Bodyfelt, F. Preparation of samples for instructing students and staff in dairy products evaluation (Appendix F). The sensory evaluation of dairy foods. , 551-560 (2009).
- Porcherot, C., et al. How do you feel when you smell this? Optimization of a verbal measurement of odor-elicited emotions. Food Qual Prefer. 21, 938-947 (2010).
- Warrenburg, S. Effects of fragrance on emotions: Moods and physiology. Chem. Senses. 30, i248-i249 (2005).
- Bredie, W. L. P., Tan, H. S. G., Wendin, K. A comparative study on facially expressed emotions in response to basic tastes. Chem. Percept. 7 (1), 1-9 (2014).
- Wendin, K., Allesen-Holm, B. H., Bredie, L. P. Do facial reactions add new dimensions to measuring sensory responses to basic tastes?. Food Qual Prefer. 22, 346-354 (2011).
- Rosenstein, D., Oster, H. Differential facial responses to four basic tastes in newborns. Child Dev. 59 (6), 1555-1568 (1988).
- Rosenstein, D., Oster, H., P, E. k. m. a. n., E, R. o. s. e. n. b. e. r. g. Differential facial responses to four basic tastes in newborns. What the face reveals: Basic and applied studies of spontaneous expression using the facial action coding system (FACS). , 302-327 (1997).
- Rozin, P., Fallon, A. E. A perspective on disgust. Psychol. Rev. 94 (1), 23-41 (1987).
- Delarue, J., Blumenthal, D. Temporal aspects of consumer preferences. Curr. Opin. Food Sci. 3, 41-46 (2015).
- Sudre, J., Pineau, N., Loret, C., Marin, N. Comparison of methods to monitor liking of food during consumption. Food Qual Prefer. 24 (1), 179-189 (2012).
- Weiland, R., Ellgring, H., Macht, M. Gustofacial and olfactofacial responses in human adults. Chem. Senses. 35 (9), 841-853 (2010).
- Ekman, P., Cole, J. Universal and cultural differences in facial expressions of emotion. Nebraska symposium on motivation. , 207-283 (1971).
- Griemel, E., Macht, M., Krumhuber, E., Ellgring, H. Facial and affective reactions to tastes and their modulation by sadness and joy. Physiol Behav. 89 (2), 261-269 (2006).
